数据集概述
本数据集为楔形文字机器学习研究提供支持，包含38,947张楔形文字泥板照片的元数据、边界框信息，以及对应文本的音译和楔形文字Unicode编码。数据结构涵盖泥板正反两面的文字内容、地理来源、时间年代和文本类型等信息，适用于楔形文字的图像识别与文本分析任务。
文件详解
- 文件名称：CuneiMLv1.2.json
- 文件格式：JSON
- 字段映射介绍：
- id：泥板唯一标识ID
- img_url：泥板照片链接
- lineart：泥板线条图链接
- bboxes：泥板文字区域边界框坐标（左上、右下顶点）
- text：包含正反两面（obverse/reverse）的文字内容，每个条目含raw（原始文本）、num（行号）、sign（楔形文字Unicode）
- geo：泥板地理来源（如Umma）
- time：泥板所属年代（如Ur III时期）
- genre：文本类型（如Administrative）
数据来源
论文“CuneiML: A Cuneiform Dataset for Machine Learning”（发表于Journal of Open Humanities Data）
适用场景
- 楔形文字图像识别研究：利用边界框和图像链接训练楔形文字符号检测与识别模型
- 楔形文字文本分析：基于音译和Unicode编码开展楔形文字语义解析与语料库构建
- 古代文明数字化研究：结合地理、时间信息分析楔形文字泥板的时空分布特征
- 人文数据机器学习应用：探索机器学习技术在古代文字研究领域的应用潜力
